Каталог статей

Доценко О.С.

К вопросу о статистической оценке принципов деятельности коммерческих банков в современных условиях

Новая социально-экономическая реальность нашего общества обуславливает обязательное выявление факторов, определяющих результаты и оценку влияния банковской деятельности на развитие рыночных отношений и её вклад в конечные экономические результаты. Банковский кризис, разразивший сначала в США, а затем и во всем мире, заставляет каждого владельца предприятия и топ-менеджера задуматься о том, как остаться на плаву в этот сложный момент  и не разрушить бизнес или карьеру. Как никогда ранее каждый потенциальный клиент банковского учреждения стремится выбрать только тот банк, который обеспечивает быстрое и качественное обслуживание платежей, а также дает гарантию того, что именно этот банк  является надежным с точки зрения сбережений капиталовложений. В современных условиях информационного «шума», когда  выбор банка является проблемой, большую роль в этом вопросе приобретает комплексный статистико-экономический анализ банковской деятельности.

В большинстве своем методологические подходы к анализу деятельности коммерческих банков основаны на применении элементарных статистических методов. Это и понятно: простота в расчетах и экономической  интерпретации полученных результатов – немаловажный фактор при исследовании больших объемов информации. Однако неточность этих расчетов, нередко приводящая к неправильным прогнозным значениям, неверная оценка политики работы банков, и, как следствие этому – недостаточная оценка их надежности и устойчивости – проблема как для правления самого банка, так и для его клиентов. Анализ существующих методик дает возможность понять, что даже самые прогрессивные исследования на эту тему с использованием сложных математических методов нуждаются в дальнейшей доработке. В особенности это касается применения технологий многомерной классификации банков по определенным признакам с использованием кластерного анализа. Анализ деятельности коммерческих банков в этом случае основывается на измерении сходства или различия между показателями банков: банки, отнесенные к одной группе, различаются между собой по результатам своей деятельности меньше, чем банки, отнесенные к различным группам. Мерой близости (сходства) между деятельностью коммерческих банков могут служить различные критерии. Самой распространенной классической мерой близости является евклидово расстояние d между банками, представленными точками (скалярными величинами) в n-мерном пространстве:

                                                 ,                                            (1)

где   и   – значения n-го признака для  i-го  и j-го банков.

 Группы  формируются на основании близости банковской политики одновременно по всему комплексу признаков, описывающих ее. Однако, в результате проведенных исследований выяснилось, что даже усовершенствованная кластеризация на основе  меры сходства – «взвешенное» евклидово расстояние, группирующая банки по размеру и значимости их показателей, имеет существенный недостаток: ограниченный набор характеристик и специфичность формулы, определяющей заданную меру сходства, не позволяет в достаточной степени обосновывать отнесение некоторых банков к определенной группе: например, в один кластер могут попасть как очень крупные, так и мелкие банки. Такое оценивание работы банков может привести к неправильной интерпретации их политики и ошибочному выбору банка-партнера.

Таким образом, возникает необходимость совершенствования кластерного анализа с помощью его векторной модификации. Суть такой методики – группирование банков (представленных в виде векторов) на основании меры сходства – угла наклона  между объектами (геометрическая интерпретация показателей деятельности банковских учреждений) по формуле [1]:

   (2)

где – это базисный вектор-банк, характеризующийся n признаками, а – это поочередно другие вектора-банки, характеризующиеся этими же n признаками, сравниваемые с базисным банком.

            Степень статистической связи между принципами работы векторов-банков   и  определим с помощью операции скалярного произведения между векторами по формуле:

                                           ,                                       (3)

где  и  – ковариационные начальные моменты второго порядка,

      правая часть формулы – коэффициент ковариации [2].

       В результате  совокупность коммерческих банков-векторов может быть разбита на группы, в которых рассматривается не только степень отдаленности банков от базисного банка, но и учитываются направления векторов друг относительно друга (таблица 1).

Таблица 1

Степень статистической связи между кортежами   и

Степень связи

Политики банков

<

0,5<1

сильная, прямая

близкие

<<

-1<-0,5

сильная, обратная

противоположные

-0,50,5

слабая

индифферентные

Предложенная методика группирования объектов была реализована с помощью программы Microsoft Еxcel по данным официального сайта Ассоциации Украинских Банков, содержащем информацию о 10 показателях деятельности каждого из 159 коммерческого банка на 01.12.2009 г.: финансовом результате (х1), депозитах юридических лиц (х2), депозитах физических лиц (х3), капитале (х4), уставным капитале (х5), кредитно-инвестиционном портфеле (х6), кредитах юридических лиц (х7),  кредитах  физических лиц (х8), активах (х9) и обязательствах (х10). [3]. За базисный банк был выбран «Райффайзен банк Аваль». В итоге 16 банков поддерживало принципы работы базисного банка (в том числе, как банки-гиганты, так и мелкие банки, что не учитывалось при классической кластеризации объектов), 14 – никак не были связаны с базисным банком,  и все остальные – противоположны.   

Литература:

1. Харкевич А.А. Борьба с помехами. Издательство «Наука». Главная редакция физико – математической литературы. Москва 1965, 274 с.

2. Колмогоров.А.Н. Основные понятия теории вероятностей: М.: Наука, 1974.-119 с.

3. [сылка более недоступна}